Aproximación de Sensibilidades de Bucle Cerrado en Optimización de Trayectorias Robusta bajo Incertidumbre Paramétrica
Autores: Akman, Tuba; Ben-Asher, Joseph Z.; Holzapfel, Florian
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Aproximación de Sensibilidades de Bucle Cerrado en Optimización de Trayectorias Robusta bajo Incertidumbre Paramétrica
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Optimización de trayectorias
Ingeniería aeroespacial
Métodos de control óptimo robusto
Minimización de sensibilidad
Retroalimentación del sistema
Trayectorias de UAV
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 39
Citaciones: Sin citaciones
La optimización de trayectorias es una herramienta esencial para la planificación de misiones de alta fidelidad en la ingeniería aeroespacial con el fin de aumentar su seguridad. Se utilizan métodos de control óptimo robusto en el presente estudio para abordar las incertidumbres ambientales o del sistema. Para mejorar la robustez, se presentan enfoques holísticos para la optimización robusta de trayectorias utilizando minimización de sensibilidad con retroalimentación del sistema y retroalimentación predicha. De este modo, se optimizan las ganancias del controlador para manejar las influencias de la incertidumbre. El método propuesto se demuestra en una aplicación para trayectorias de UAV. Las trayectorias resultantes son menos propensas a factores desconocidos, lo que aumenta la seguridad de la misión.
Descripción
La optimización de trayectorias es una herramienta esencial para la planificación de misiones de alta fidelidad en la ingeniería aeroespacial con el fin de aumentar su seguridad. Se utilizan métodos de control óptimo robusto en el presente estudio para abordar las incertidumbres ambientales o del sistema. Para mejorar la robustez, se presentan enfoques holísticos para la optimización robusta de trayectorias utilizando minimización de sensibilidad con retroalimentación del sistema y retroalimentación predicha. De este modo, se optimizan las ganancias del controlador para manejar las influencias de la incertidumbre. El método propuesto se demuestra en una aplicación para trayectorias de UAV. Las trayectorias resultantes son menos propensas a factores desconocidos, lo que aumenta la seguridad de la misión.